The Size of the Uniformity Trial Affects the Accuracy of Plot Size Estimation in Eggplant
Notice bibliographique
Résumé
The plot size estimation is based on uniformity trials, however little is known about and how the size of uniformity trial affects the estimate of the plot size. That way, the aim of this study was to determine the influence of uniformity trial size on the estimation of plot size in the eggplant crop. Two uniformity trials were performed with the eggplant culture in a plastic tunnel. The fresh mass of fruit and number of fruits were assessed in six harvests, with a seven-day interval between harvests. For each trial (Tunnel 1 and 2), 25 uniformity trials of different sizes were simulated (3, 4, 5, … 28 BEU) per harvest and harvest row (individual and grouped) since they presented heteroscedasticity. For each planned uniformity trial, bootstrap procedure was used to estimate 3,000 plot sizes by the maximum coefficient of variation curvature method. The mean and 95% confidence interval width was calculated by the difference between the 97.5th and 2.5th percentiles. The AIC95% and plot size averages were higher in individual harvests than grouped harvests. As the size of the simulated uniformity trial increased, it was verified a reduction of the AIC95% of the plot size. However, the mean plot size did not change with increasing uniformity trial size. In this way, it is possible to state that the size of the uniformity trial affects accuracy the plot size estimation because trials with few numbers of basic experimental units present high experimental variability and inaccurate estimates.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».